Küresel olarak 10.000 IoT sıcaklık sensörünü dağıtın ve gerçek zamanlı alım, işleme, depolama ve ölçekli analiz gereksiniminiz var. Hangi mimariyi kullanmalısınız?

Bu mimari, 10.000 IoT sensöründen gelen gerçek zamanlı veri alımı, işleme, depolama ve analizi için en uygun çözümdür. Cloud Pub/Sub, yüksek hacimli olayları gerçek zamanlı olarak alabilen ve dağıtabilen, tamamen yönetilen bir mesajlaşma hizmetidir. Cloud Dataflow, akış verilerini ölçekli olarak işlemek için tasarlanmış, sunucusuz ve otomatik ölçeklenen bir veri işleme hizmetidir. BigQuery ise petabaytlarca veriyi saniyeler içinde analiz edebilen, tamamen yönetilen, sunucusuz bir veri ambarıdır. Bu kombinasyon, IoT senaryoları için güçlü, ölçeklenebilir ve uygun maliyetli bir çözüm sunar. Diğer seçenekler neden uygun değil: Sensör verilerini doğrudan Cloud Datastore'a almak ve BigQuery'ye aktarmak, Datastore'un gerçek zamanlı akış verileri için optimize edilmemesi ve BigQuery'ye aktarımın ek gecikme yaratması nedeniyle ideal değildir. Ham telemetriyi Cloud Storage'a yazmak ve Dataproc kullanmak, toplu işleme için uygun olsa da, gerçek zamanlı alım ve analiz gereksinimini karşılamaz. Günlükleri toplu olarak Cloud Storage'a aktarmak ve Cloud SQL'e aktarmak, büyük ölçekli ve gerçek zamanlı IoT verileri için Cloud SQL'in performans ve maliyet açısından uygun olmaması nedeniyle yetersizdir.